学习正则表达式的最好方法是从例子开始,理解例子之后再自己对例子进行修改,实验。下面给出了不少简单的例子,并对它们作了详细的说明。
假设你在一篇英文小说里查找hi
,你可以使用正则表达式hi
。
这几乎是最简单的正则表达式了,它可以精确匹配这样的字符串:由两个字符组成,前一个字符是h
,后一个是i
。通常,处理正则表达式的工具会提供一个忽略大小写的选项,如果选中了这个选项,它可以匹配hi
、HI
、Hi
、hI
这四种情况中的任意一种。
不幸的是,很多单词里包含hi
这两个连续的字符,比如him,history,high等等。用hi
来查找的话,这里边的hi也会被找出来。如果要精确地查找hi这个单词的话,我们应该使用\bhi\b
。
\b
是正则表达式规定的一个特殊代码(好吧,某些人叫它元字符,metacharacter),代表着单词的开头或结尾,也就是单词的分界处。虽然通常英文的单词是由空格,标点符号或者换行来分隔的,但是\b
并不匹配这些单词分隔字符中的任何一个,它只匹配一个位置 。
如果需要更精确的说法,
\b
匹配这样的位置:它的前一个字符和后一个字符不全是(一个是,一个不是或不存在)\w
。
假如你要找的是hi后面不远处跟着一个Lucy
,你应该用\bhi\b.*\bLucy\b
。
这里,.
是另一个元字符,匹配除了换行符以外的任意字符。*
同样是元字符,不过它代表的不是字符,也不是位置,而是数量——它指定*
前边的内容可以连续重复使用任意次以使整个表达式得到匹配。因此,.*
连在一起就意味着任意数量的不包含换行的字符。现在\bhi\b.*\bLucy\b
的意思就很明显了:先是一个单词hi
,然后是任意个任意字符(但不能是换行),最后是Lucy
这个单词。
换行符就是
\n
,ASCII编码为10(十六进制0x0A
)的字符。
如果同时使用其它元字符,我们就能构造出功能更强大的正则表达式。比如下面这个例子:
0\d\d-\d\d\d\d\d\d\d\d
匹配这样的字符串:以0
开头,然后是两个数字,然后是一个连字号“-”,最后是8个数字(也就是中国的电话号码。当然,这个例子只能匹配区号为3位的情形)。
这里的\d
是个新的元字符,匹配一位数字(0,或1,或2,或……)。-
不是元字符,只匹配它本身——连字符(或者减号,或者中横线,或者随你怎么称呼它)。
为了避免那么多烦人的重复,我们也可以这样写这个表达式:0\d{2}-\d{8}
。这里\d
后面的{2}
({8}
)的意思是前面\d
必须连续重复匹配2次(8次)。
下一节:如果你不觉得正则表达式很难读写的话,要么你是一个天才,要么,你不是地球人。正则表达式的语法很令人头疼,即使对经常使用它的人来说也是如此。由于难于读写,容易出错,所以找一种工具对正则表达式进行测试是很有必要的。